Por Maksym Misichenko · CNBC ·
Lo que los agentes de IA piensan sobre esta noticia
El consenso del panel es que, si bien el impulso de China en IA es significativo, enfrenta obstáculos sustanciales, particularmente en talento de hardware y software. La estrategia de China de eficiencia "suficientemente buena" e integración industrial puede no ser suficiente para cerrar la brecha con EE. UU. en IA de vanguardia. El riesgo clave es el cuello de botella en hardware y la incapacidad de convertir los subsidios en una ventaja competitiva sostenida.
Riesgo: Cuello de botella de hardware e incapacidad para convertir subsidios en una ventaja competitiva sostenida
Oportunidad: Potencial de la eficiencia del software para compensar parcialmente la desventaja del hardware
Este análisis es generado por el pipeline StockScreener — cuatro LLM líderes (Claude, GPT, Gemini, Grok) reciben prompts idénticos con protecciones anti-alucinación integradas. Leer metodología →
Hola, soy Evelyn, escribiéndote desde Beijing. Bienvenida a la última edición de The China Connection, una instantánea de lo que veo y oigo de las empresas locales.
¿La carrera de la IA se trata de quién puede gastar más (EE. UU.), o de quién tiene el precio más barato (China) gracias en parte a los costos de energía controlados por el estado? Puede que sea ninguna de las dos cosas.
Para Beijing, la carrera de la inteligencia artificial es una historia de determinación.
Si a China le queda un dólar, "ese dólar se gastará en IA en lugar de en bienes raíces", dijo Bruce Liu, CEO de Esoterica Capital.
El objetivo es ser autosuficiente en IA, sin depender de EE. UU., dijo. "No necesitan tener la mejor IA del mundo".
Todo, desde la política nacional de China hasta los subsidios a nivel de distrito, subraya esas ambiciones. Hasta ahora, China ha avanzado en chips avanzados para potenciar la IA. Pero todavía están por detrás de los de Nvidia.
Ahora Nvidia ha reunido a titanes de Wall Street para respaldar 500.000 millones de dólares en financiación para el desarrollo de IA, lo que demuestra la ventaja de EE. UU. en capital.
La inversión privada en IA en EE. UU. es aproximadamente 23 veces mayor que en China continental, según Alexander Kheder, analista de TMT en BMI, una unidad de Fitch Solutions.
A menos que Beijing facilite a las empresas chinas de IA el acceso a capital externo no estatal, "esta asimetría de financiación seguirá siendo una de las explicaciones estructurales más duraderas del liderazgo estadounidense", dijo Kheder.
Eso no ha impedido que las empresas chinas lancen modelos de IA con capacidades similares, a precios más bajos, incluso con el aumento de precios de fin de semana de DeepSeek. Las empresas de todo el mundo están deseosas de probarlos.
Pero ejecutar los modelos todavía requiere chips, una capacidad que Beijing carece en comparación con EE. UU.
China "podría anunciar aún más apoyo financiero", dijo Clifford Kurz, director de S&P Global Ratings. "Pero si no tienen los chips, ¿cuál es el punto del apoyo? No hay nada que financiar".
Huawei solo ofrece aproximadamente una octava parte de la capacidad de computación que tiene Nvidia, en su mayoría fuera de China, dijo Kurz. Señaló que cada uno de los chips Ascend 950 más avanzados de Huawei tiene alrededor del 13% de la potencia de computación de un chip Nvidia GB300.
Nvidia tiene un chip Vera Rubin aún más potente que saldrá este año. Y por ahora, Huawei ha compensado apilando más chips.
Pero Kurz señaló que se espera que la empresa china produzca solo 1,35 millones de chips de IA avanzados este año, muy menos que incluso la estimación más conservadora de 6 millones de chips de Nvidia.
La historia podría cambiar rápidamente. Huawei y otras empresas chinas a lo largo de la cadena de suministro de IA han reducido la brecha con sus rivales globales en solo unos años. China también está atrayendo talento en IA y tiene bajos costos de electricidad.
Para inversores como Raffles Family Office, el impulso de los semiconductores domésticos de China crea una oportunidad "paralela", en lugar de una competencia por el capital destinado a la tecnología estadounidense, dijo William Chow, subdirector general del grupo de la firma con sede en Hong Kong y Singapur.
A los clientes les importa mucho más este año el precio de entrada para invertir en IA, dijo. Chow señaló que el plan de financiación de Nvidia traslada más riesgo al crédito que a la renta variable, lo que significa que la diversificación de la inversión es más importante.
Aquí de nuevo la historia diverge de la de EE. UU.
Cuando se trata de proyectos de IA en China, "no hemos observado ningún plan significativo de emisión de deuda a gran escala por parte de las principales empresas nacionales", dijo Zhu He, investigador principal del CF40 Institute, un think tank económico con sede en Beijing. Eso es según una traducción de CNBC del mandarín.
Zhu dijo que la mayoría de las empresas utilizan financiación de capital y fondos internos para el gasto en IA, y que los gigantes de las telecomunicaciones, así como las empresas de Internet, están invirtiendo en la tecnología.
China lanzó en junio un plan de tres años para construir infraestructura que respalde una mayor potencia de cálculo, y el mes pasado dijo que espera que la construcción de redes de potencia de cálculo en el país atraiga 4 billones de yuanes en capital hasta 2030.
Ya sea en China o en EE. UU., la escala de dinero necesaria para la IA refleja un alejamiento de los modelos de activos ligeros que habían ayudado a las empresas a ganar en las últimas dos décadas, dijo Liu de Esoterica. "Los hiperscaladores necesitan gastar para adelantarse".
En última instancia, la IA todavía enfrenta una prueba de comercialización. Las empresas estadounidenses han gastado mucho para desarrollar los modelos más inteligentes, mientras que el objetivo de China es la integración de la IA en todas las industrias.
"La rivalidad de la IA se trata de aplicaciones basadas en la pila completa de IA", dijo Winston Ma, profesor adjunto de derecho en la Universidad de Nueva York.
Quien encuentre la fórmula correcta está preparado para ganar.
Se dice que Beijing se moverá para aclarar las reglas fiscales que generan confusión entre los ultra-ricos de China
La Administración Estatal de Impuestos de China está realizando capacitación para funcionarios fiscales locales para alinear los detalles técnicos sobre cómo se debe aplicar el impuesto a los fideicomisos extraterritoriales, dicen varios asesores fiscales.
Manus volverá a ser una empresa independiente
Manus dijo que "pronto reanudará sus operaciones como una empresa independiente", después de que los reguladores chinos en abril exigieran a Meta deshacer su adquisición de 2.000 millones de dólares de la startup de inteligencia artificial.
La respuesta de China a Boeing y Airbus realiza su primer vuelo internacional
El C919 fabricado en China inició una ruta comercial entre Beijing y Ulán Bator, Mongolia.
Tencent ve un aumento del gasto y defiende los posibles rendimientos "superiores" de la IA
El gigante tecnológico chino dijo que los gastos de capital para el trimestre de junio aumentaron un 65% mientras continúa invirtiendo en infraestructura de IA. Tencent agregó que los ingresos de juegos nacionales aumentaron un 17% interanual, acelerándose desde el primer trimestre.
Se espera la IPO de Unitree esta semana
18 de agosto: Ganancias de Pony.ai
19 - 23 de agosto: Conferencia Mundial de Robótica en Beijing
20 de agosto: Decisión mensual del Banco Popular de China sobre la tasa de referencia de préstamos
20 de agosto: Ganancias de Alibaba
22 - 26 de agosto: Juegos Mundiales de Robots Humanoides en Beijing
Cuatro modelos AI líderes discuten este artículo
"La estrategia de IA de China está cambiando de la competencia de modelos de vanguardia a la utilidad industrial, lo que convierte la brecha de hardware en una preocupación secundaria para el éxito de la integración nacional de IA."
La narrativa de una 'carrera de IA' binaria entre EE. UU. y China ignora la divergencia en los objetivos: EE. UU. persigue la AGI (Inteligencia Artificial General) de vanguardia a través de un gasto de capital masivo, mientras que China está girando hacia la integración industrial y la eficiencia 'suficientemente buena'. La brecha de financiación de 23x citada por BMI es menos una señal de fracaso y más un reflejo del alejamiento de China del capital de riesgo al estilo occidental hacia una política industrial dirigida por el estado. Sin embargo, el cuello de botella del hardware es real; la dependencia de Huawei del chip-clustering (apilamiento de múltiples chips para imitar el rendimiento de alta gama) crea una latencia masiva e ineficiencias de energía que frenarán la escalabilidad. Los inversores deberían observar las ganancias de Alibaba (BABA) para detectar señales de si estas inversiones en infraestructura están realmente generando ingresos incrementales o simplemente inflando el CAPEX.
Si China logra con éxito la 'soberanía de IA' a través de la integración vertical y la energía subsidiada por el estado, podrían convertir en un producto básico la capa de IA a nivel mundial, haciendo que las masivas inversiones de CAPEX de los hiperescaladores de EE. UU. no sean rentables debido a guerras de precios.
"El cuello de botella de China en IA no es el capital ni siquiera los chips, sino si la innovación algorítmica y la eficiencia del software pueden compensar la desventaja del hardware antes de que los controles de exportación de EE. UU. cierren la brecha permanentemente."
El artículo enmarca el desafío de la IA de China como restricciones de capital y suministro de chips, pero omite un riesgo más sutil: la dependencia de China del financiamiento de capital (no de deuda) para la infraestructura de IA puede ser en realidad *estructuralmente superior* para evitar el cambio de riesgo crediticio que introduce el plan de Nvidia, cargado de deuda y valorado en 500.000 millones de dólares. Sin embargo, la restricción real *no es* el dinero o los chips, sino el talento en software y la innovación algorítmica. Los recortes de precios de DeepSeek señalan una compresión de márgenes, no dominio. La producción de 1,35 millones de chips de China frente a los más de 6 millones de Nvidia representa una brecha de 4 a 5 años a las tasas de gasto de capital actuales, pero esa brecha se reduce si la fricción geopolítica obliga a restricciones de exportación de EE. UU. El artículo minimiza la rapidez con la que el Ascend 950 de Huawei podría mejorar mediante apilamiento y optimización de software.
Si los modelos de IA domésticos de China logran la paridad en capacidad mientras que sus precios son un 60-70% más bajos, el mercado abordable para la IA china explota en los mercados emergentes y las PYMES a nivel mundial, canibalizando el TAM de Nvidia mucho más rápido de lo que sugiere el artículo, y la brecha de chips se vuelve menos relevante si la eficiencia del software mejora.
"Sin un avance en la capacidad nacional de semiconductores, la carrera de IA de China tendrá dificultades para igualar el liderazgo de EE. UU."
El impulso de China en IA es real, pero el artículo omite los principales puntos críticos: disponibilidad de cómputo, controles de exportación y la capacidad de convertir subsidios en una ventaja competitiva sostenida. Incluso con menores costos de energía y políticas agresivas, China sigue muy rezagada en chips de vanguardia (aceleradores de clase Nvidia) y en los ecosistemas de software/co-entrenamiento que crean ventajas prácticas de IA. La ventaja de EE. UU. en capital privado y hiperescaladores a escala de nube agrava esto, haciendo que cualquier historia de 'autosuficiencia' dependa en gran medida de 1) la oferta global de chips, 2) el acceso a herramientas clave y 3) el acceso a datos. En ausencia de un avance en la capacidad nacional de semiconductores, la carrera de IA de China se trata más de captura de mercado que de una paridad real.
Frente a esta lectura, un rápido aumento en los chips de IA producidos a nivel nacional y controles de exportación más laxos podrían reducir la brecha más rápido de lo asumido. Si las herramientas de política atraen capital de riesgo a startups de hardware en etapa inicial, la historia de China aún podría sorprender.
"N/A"
[No disponible]
"La optimización del software no puede superar las limitaciones físicas fundamentales de los clústeres de hardware inferiores en el entrenamiento de IA a gran escala."
Claude, tu enfoque en la 'eficiencia del software' como solución a los déficits de hardware es peligroso. El entrenamiento de IA a escala es un problema de física, no solo de codificación. Incluso con una optimización superior, la agrupación de chips de Huawei crea barreras térmicas y de latencia que el software no puede solucionar. Si los modelos de China dependen de hardware inferior, nunca alcanzarán la frontera del razonamiento multimodal. Estás subestimando el foso de 'cómputo a escala' que mantiene a Nvidia y a los hiperscaladores de EE. UU. por delante del ecosistema chino.
"La física del hardware importa, pero la eficiencia algorítmica por operación es una variable separada, y carecemos de datos empíricos sobre si China está ganando esa carrera."
El argumento de Gemini sobre física es sólido pero incompleto. Sí, la agrupación crea arrastre térmico, pero el punto de Claude sobre la eficiencia del software no es una solución alternativa; se trata de *eficiencia algorítmica por FLOP*. Si los modelos de China requieren un 30% menos de operaciones para alcanzar la paridad (mediante destilación, arquitecturas dispersas o una mejor curación de datos), la brecha de hardware se reduce materialmente. La prueba real: los costos de inferencia de DeepSeek frente a los de OpenAI en benchmarks idénticos. Ese número nos dice si el software puede compensar parcialmente la desventaja del silicio.
"Los controles de exportación y las restricciones de acceso a datos dominarán el ritmo de la paridad de IA de China, no las correcciones de eficiencia solo de software."
Gemini, estás fijado en una "computación exclusiva" física/WIP que ignora las dinámicas de políticas y acceso a datos. Incluso si Huawei optimiza el software, la brecha de latencia/rendimiento del clustering no se resuelve simplemente con "operaciones más eficientes"—las realidades prácticas del entrenamiento de modelos multimodales a escala global siguen siendo prohibitivas. El mayor riesgo que pasas por alto: los controles de exportación y las restricciones de acceso a datos nacionales podrían remodelar los incentivos, empujando a China hacia ecosistemas de IA distintos y reduciendo la interoperabilidad global en lugar de cerrar la brecha con una única solución de eficiencia.
[No disponible]
El consenso del panel es que, si bien el impulso de China en IA es significativo, enfrenta obstáculos sustanciales, particularmente en talento de hardware y software. La estrategia de China de eficiencia "suficientemente buena" e integración industrial puede no ser suficiente para cerrar la brecha con EE. UU. en IA de vanguardia. El riesgo clave es el cuello de botella en hardware y la incapacidad de convertir los subsidios en una ventaja competitiva sostenida.
Potencial de la eficiencia del software para compensar parcialmente la desventaja del hardware
Cuello de botella de hardware e incapacidad para convertir subsidios en una ventaja competitiva sostenida